DATA SCIENCE

INTRODUCCIÓN

La Ciencia de Datos (Data Science) posee un enfoque global al estar relacionado con el “Big Data”, es sabido que el volumen de datos que se generan actualmente es tan amplio que un software convencional no llega a procesar toda la información necesaria y por ello se han buscado nuevas soluciones para gestionar el análisis de los mismos. La extracción generalizada de conocimiento a partir de información de datos es y será una de las habilidades con mayor demanda de los profesionales a nivel mundial, los últimos años “la demanda de los llamados “científicos de datos” está creciendo exponencialmente” (Maté, 2014), es más, según la revista Harvard Business Review es “la profesión más sexy del siglo XXI” (Davenport y Patil 2012). 

DEFINICIÓN

La ciencia de datos es un campo que se refiere a procesos colectivos teorías conceptos herramientas y tecnologías que permiten la revisión análisis y extracción de conocimientos e información valiosos a partir de datos brutos.

La ciencia de los datos es el estudio de la extracción sistemática de patrones no obvios y útiles y conocimiento de los datos para el avance de la investigación, la toma de decisiones en las organizaciones y la creación de una sociedad basada en los datos. (Rizk y Elragal, 2020)

El Data Science busca extraer conocimiento de la base de datos así como predecir los comportamientos de los usuarios, todo ello con el fin de convertir los datos en información que ayude a las empresas o proyectos automatizar los procesos y asesorar la toma de decisiones. 

 ÁREAS DE APLICACIÓN

• Marketing digital

• Investigación

• Sistemas de recomendación

• Reconocimiento de imágenes

• Reconocimiento de texto

HERRAMIENTAS Y LENGUAJES

En el 2019, a partir de 300 puestos de empleo publicados en sitios de tecnología como StackOverflow, AngelList y sitios web similares, “la data 365” (sitio web) analizó la cantidad de herramientas y habilidades requeridas en puestos de trabajo, como se observan las más relevantes fueron Python, R y SQL.

Fuente: La data 365

CONCLUSIONES

En un mundo cambiante, es necesario generar mayor valor profesional capacitándonos constantemente. Es una realidad que analizar datos pronto se volverá una necesidad colectiva dentro del mundo laboral. 

REFERENCIAS 

- ÁLVAREZ, J., COLL-SERRANO, V., 2018. “Data scientist”, today's job. Métodos de Información, 9(16), 113-129. http://dx.doi.org/10.5557/IIMEI9-N16-113129 

- DAVENPORT, T.H. y PATIL, D.J., 2012. Data Scientist: The Sexiest Job of the 21st Century [en línea]. Harvard Business Review, October Issue. [Consulta: 27/02/2021]. Disponible en: https://hbr.org/2012/10/data-scientist-thesexiest-job-of-the-21st-century/ 

- EMMERT-STREIB, F., DEHMER, M. 2018. Defining Data Science by a Data-Driven Quantification of the Community. Machine learning & knowledge extraction. 1, 235–251 http://dx.doi:10.3390/make1010015

- MATÉ, C. 2014. Big data. Un nuevo paradigma de análisis de datos. Canales de mecánica y electricidad/noviembre-diciembre.

- RIZK, A., ELRAGAL A. 2020. Data science: developing theoretical contributions in  information systems via text analytics. Journal of Big Data. https://doi.org/10.1186/s40537-019-0280-6